CN108510562B - 基于图像分形纹理的数码迷彩图案生成方法 - Google Patents
基于图像分形纹理的数码迷彩图案生成方法 Download PDFInfo
- Publication number
- CN108510562B CN108510562B CN201810139276.6A CN201810139276A CN108510562B CN 108510562 B CN108510562 B CN 108510562B CN 201810139276 A CN201810139276 A CN 201810139276A CN 108510562 B CN108510562 B CN 108510562B
- Authority
- CN
- China
- Prior art keywords
- color
- image
- dominant
- texture
- dominant color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像分形纹理的数码迷彩图案生成方法,其包括如下步骤:s1.提取背景图像的背景主色以及所述背景主色的面积比例;s2.基于改进的分形布朗运动生成纹理图像;s3.对纹理图像进行赋色;s4.对初始的迷彩图案图像按单元尺寸进行放大处理;s5.将放大处理后的迷彩图案图像转换为迷彩矢量图像。本发明在步骤s2中引入了标准偏差修正,以防止生成的纹理图像过于离散化,在步骤s3中改进了赋色方法,即使用混合赋色算法对纹理图像进行赋色处理,在步骤s5中对图像进行矢量化,从而使迷彩图案达到缩放不变的效果。本发明通过固化纹理图像生成步骤、优化纹理图案生成算法以及改进赋色算法,可以设计出具有较强随机性、适应性和伪装效果的迷彩图案。
Description
技术领域
本发明属于图像处理与分析以及迷彩伪装设计技术领域,尤其涉及一种基于图像分形纹理的数码迷彩图案生成方法。
背景技术
数码迷彩是当今综合运用先进技术手段的新一代伪装迷彩。它是以人类对图形的视觉心理感受特性、数字成像点阵特征以及人眼视觉对目标识别特征等作为设计依据,可对背景颜色、纹理和层次等细节信息进行高度仿真,并以数码点阵的形式呈现出来。
当前迷彩设计的主要方式分为人工作业和计算机智能设计,其中:
人工作业是设计人员根据个人经验在图纸或计算机辅助设计软件中设计迷彩图案,该方式具有耗时长、效率低和设计雷同等缺点,同时对设计人员能力和经验的要求较高。
计算机智能设计是利用计算机和数字图像处理技术,提取伪装背景的主色,通过合理的算法设计迷彩单元的尺寸和排布方式。
国内学者在这方面做了大量的研究,提出了多种设计方法。而这些设计方法按照迷彩单元的排布方式,主要分为基于背景图像轮廓排布和模板最优填充排布。
基于背景图像轮廓的排布方式,存在多种实现方法,例如:仿造数码迷彩、基于模板遍历法和基于分水岭方法等。虽然上述各种实现方法在所利用的颜色空间和算法略有不同,但其基本生成原理是相似的,即运用聚类或量化等方法获取背景主色信息,运用分割算法生成背景轮廓图像,再将分割后的图像各区域数码化,从而生成最终的数码迷彩图案。
此种方法虽然简单快速,但过于依托单一背景图像,随机性较差。
模板最优填充排布,是使用生成的模板图案在迷彩图案背景上进行随机填充,当最小斑点区面积小于一定阈值时,填充结束,生成迷彩图案。
此种方法模拟人工作业,生成迷彩具有较大随机性,不能反映背景图像的纹理特征。
发明内容
本发明的目的在于提出一种基于图像分形纹理的数码迷彩图案生成方法,该方法基于背景图像的颜色和纹理特征,通过采用改进的纹理图像生成步骤和纹理赋色步骤,设计出具有较强随机性、适应性和伪装效果的迷彩图案,以满足数码迷彩的设计要求。
本发明为了实现上述目的,采用如下技术方案:
基于图像分形纹理的数码迷彩图案生成方法,包括如下步骤:
s1.提取背景图像的背景主色以及所述背景主色的面积比例;
s2.基于改进的分形布朗运动生成纹理图像
s2.1将背景图像转换为灰度图像,并根据侦察分辨率调整图像尺寸;
s2.2获取灰度图像的分形布朗运动参数
设灰度图像大小为M×M,f(x,y)是灰度图像在(x,y)位置处的像素值,其中,1≤x≤M、1≤y≤M,则可推导得到灰度图像关于自相关函数平均值的公式:
R(m)=R(1)m2H (1)
公式(1)中:
公式(1)两边取对数,可得:
上述公式(2)采用最小二乘法进行拟合,最小二乘法的求解过程如下:
应用最小二乘法原理,保证实测值与计算值的离差平方和最小,得到分形布朗运动的标度特征H的计算公式:
对上述标准偏差δ进行修正,修正公式如下所示:
s2.3基于Diamond-Square算法生成纹理图像
循环执行Diamond步骤和Square步骤,经过n次循环形成一幅(2n+1)×(2n+1)的图像,定义ΔG为执行Diamond步骤时的随机变量;
则随机变量ΔG的取值中增加由分形布朗运动的标度特征H和修正后的标准偏差δ构成的补偿项,则第n次循环步骤时的随机变量ΔG的计算公式如下:
公式(5)中guass()函数是服从标准正态分布;
s2.4对生成的纹理图像进行滤波处理;
s3.对纹理图像进行赋色处理
基于Diamond-Square算法产生的纹理图像,其数值为连续的浮点型,根据背景主色以及所述背景主色的面积比例对纹理图像做赋色处理,以获取初始的迷彩图案图像;
在顺序赋色的基础上增加颜色混合赋色处理,算法过程如下:
首先量化浮点型的纹理图像,将纹理图像中每个像素点值量化为0到Imax之间的整数;
定义主色个数为N时,主色列表为color(n),即{color(1),color(2)…color(N-1),color(N)};
主色列表color(n)中每一个主色均包含RGB三通道颜色数据信息,对应的主色在迷彩图案中所占面积比重为p(n),即{p(1),p(2)…p(N-1),p(N)};
将主色列表color(n)中各个主色从RGB颜色空间转换到Lab空间中,并根据每一个主色的L值排序,排序后的主色列表设为colorL(n),即{colorL(1),colorL(2)…colorL(N-1),colorL(N)},对应的主色在迷彩图案中所占面积比重为pL(n);
为克服不同赋色斑块区显著分离的缺点,加入颜色混合填充处理,并引入混合因子;
设混合因子为f,执行颜色混合处理,更新赋色列表:
在排序后的主色列表colorL(n)中每个主色后增加一个主色colorL(N+1-n),则对应原主色colorL(n)面积比重变为(1-f)×pL(n),增加的主色对应的面积比重为f×pL(N+1-n);
将混合处理后的主色列表顺序作为纹理图像的赋色顺序;
最后根据主色列表及主色对应的面积比重对纹理图像中的像素点进行赋色:
首先选取主色列表中的第一个主色作为当前赋色值,然后遍历纹理图像的所有像素点,按照像素点取值由大到小的顺序赋予当前赋色值;
像素点被赋值后,即赋予当前主色的像素点的个数增加1,重新计算当前主色的实际赋色的面积比重,当实际赋色的面积比重达到主色对应的预设面积比重时,选取主色列表中的下一主色进行赋色,直到所有图像像素点全部被赋色,即赋色完成;
s4.对初始的迷彩图案图像按单元尺寸进行放大处理;
s5.将放大处理后的迷彩图案图像转换为迷彩矢量图像。
优选地,所述步骤s1中,基于金字塔结构的逐层K-means聚类算法,提取背景图像的背景主色以及所述背景主色的面积比例。
本发明具有如下优点:
1.对分形布朗运动中的标准偏差δ进行修正,将修正后的δ和标度特征H作为生成纹理图像时随机变量ΔG的补偿项,以防止生成的纹理图像过于离散化;
2.对纹理图像进行滤波处理,以去除纹理图像的极值噪声,同时保留图像纹理结构信息;
3.使用混合赋色算法对纹理图像进行赋色处理,在某一种颜色的赋色区域内部或边缘插入其他颜色斑块,以克服现有技术中常用的赋色算法出现的多个斑块区重复嵌套的现象;
4.通过在纹理图像生成步骤中加入δ修正,同时在纹理图像赋色步骤中改进赋色方法,便于设计出具有较强随机性、适应性和伪装效果的迷彩图案。
附图说明
图1为本发明中基于图像分形纹理的数码迷彩图案生成方法的流程框图;
图2为本发明实施例中四像素点处灰度值初始化示意图;
图3为本发明实施例中第一次Diamond步骤时的赋灰度值示意图;
图4为本发明实施例中第一次Square步骤时的赋灰度值示意图;
图5为本发明实施例中第二次Diamond步骤时的赋灰度值示意图;
图6为本发明实施例中第二次Square步骤时的赋灰度值示意图。
图7为本发明中纹理图像的赋色流程图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
结合图1所示,基于图像分形纹理的数码迷彩图案生成方法,包括如下步骤:
s1.提取背景图像的背景主色以及所述背景主色的面积比例
在本发明实施例中,基于金字塔结构的逐层K-means聚类算法,提取背景图像的背景主色以及所述背景主色的面积比例,其大致步骤如下所示:
s1.1、颜色空间转换
Lab颜色空间是一种均匀的颜色空间,其色域范围比RGB更广,可表示的颜色更多,因此将背景图像转换到Lab颜色空间;
s1.2、下采样高斯金字塔模型
下采样高斯金字塔模型即是不断向下采样并模糊图像,就是缩小上级图像,并将生成图像作为下次采样的输入以形成多层图像序列。其中,最小尺寸图像位于序列的最底层,源图像位于序列的顶层,采样的次数N即为图像序列的层数。
s1.3、逐层K-means聚类
K-means聚类算法的基本思想是初始随机给定K个类的中心。
按照最近邻原则把待分类样本点分到各个类,然后按平均法重新计算各个类的中心,并计算所有类的中心移动距离,当所有移动距离都小于某个给定阈值时,算法结束,获取各类中心值及其占比,否则重复此过程直到移动距离收敛。
逐层K-means聚类是指对步骤s1.2生成的图像序列从下到上依次聚类并将上一次的聚类结果作为下一次的初始聚类中心,从而加速K-means聚类的收敛速度,并保证结果的有效性。
s2.基于改进的分形布朗运动生成纹理图像
s2.1、将背景图像转换为灰度图像,并根据侦察分辨率调整图像尺寸。
s2.2、获取灰度图像的分形布朗运动参数,以便下一步生成纹理图像。
设灰度图像大小为M×M,f(x,y)是灰度图像在(x,y)位置处的像素值,其中,1≤x≤M、1≤y≤M,则可推导得到灰度图像关于自相关函数平均值的公式:
R(m)=R(1)m2H (1)
公式(1)中:
公式(1)两边取对数,可得:
上述公式(2)采用最小二乘法进行拟合,其斜率就是灰度图像的分形布朗运动的标度特性H,并求出拟合值与特征值的差的平方和δ,即标准偏差。
具体的,最小二乘法的求解过程如下:
应用最小二乘法原理,保证实测值与计算值的离差平方和最小,得到分形布朗运动的标度特征H的计算公式:
标准偏差δ与图像的复杂程度有关。图像越复杂斑驳,细节越多,则δ的值越大。对标准偏差δ进行空间映射,δ取值永远大于0。
然而,δ取值并非任意的,例如,在保持标度特征H不变的条件下:
δ较小时,生成的迷彩图案的斑点聚合效果比较明显,生成较多的大面积斑块;
δ较大时,生成的迷彩图案的斑点离散效果比较明显,生成较多的小面积斑块。
为了保证生成的纹理图像有较好的斑块效果,本发明对标准偏差δ做了以下修正,即:
通过上述修正,使得标准偏差δ限定在1.75-3内,从而保证了生成的迷彩图案效果。
s2.3、基于Diamond-Square算法生成纹理图像
Diamond-Square算法,即钻石-菱形算法或D-S算法。
该算法最早应用于地形模拟,针对一个给定的矩形区域,通过Diamond和Square两个步骤生成具有高程值的离散点。若将高程值改为灰度值,离散点即可表示为一副灰度图像。
以生成5×5大小纹理图像为例进行说明,算法流程为:
s2.3.1、A、B、C、D四像素点处灰度值初始化为GA、GB、GC、GD,如图2所示。
s2.3.2、执行第一次Diamond步骤,给纹理图像中心点(待赋灰度值的点用白圈表示)赋灰度值为GE,如图3所示,则:
GE=(GA+GB+GC+GD)/4+ΔG;式中,ΔG为随机变量。
s2.3.3、执行第一次Square步骤,分别给纹理图像四个边中点F、G、H、I赋灰度值(待赋灰度值的点用白圈表示),如图4所示,各边中点的灰度值分别为GF、GG、GH、GI,则:
其中,ΔGF、ΔGG、ΔGH以及ΔGI均为随机变量。
s2.3.4、类似步骤s2.3.2和步骤s2.3.3再执行一次Diamond步骤和Square步骤,如图5和图6所示,可见Diamond-Square算法就是循环执行Diamond步骤和Square步骤。
设本发明实施例中循环执行Diamond步骤和Square步骤的次数为n,则经过n次循环后可以形成一幅(2n+1)×(2n+1)的图像。
为了使生成的灰度图像纹理具有分形和随机特性,在随机变量ΔG的取值中增加由分形布朗运动的标度特征H和修正后的标准偏差δ构成的补偿项。
则第n次循环步骤时的随机变量ΔG的计算公式如下:
公式(5)中guass()函数服从标准正态分布;
s2.4、使用Diamond-Square算法生成的纹理图像往往具有过多的极值像素点,造成纹理图生成的数码迷彩破坏了整理构型,影响了迷彩图案的伪装效果,因此对生成的纹理图像进行滤波处理,去除纹理图像的极值噪声,同时保留了图像的纹理结构信息。
s3.对纹理图像进行赋色
基于Diamond-Square算法产生的纹理图像,其数值为连续的浮点型,根据背景主色以及所述背景主色的面积比例对纹理图像做赋色处理,以获取初始的迷彩图案图像。
Diamond-Square算法常用于山形、云层等图像仿造,其纹理图像中的像素数据具有一定的空间连续型,所以使用常用的数值排序的赋色算法时,会出现多个斑块重复嵌套的现象,显然是不符合迷彩图案的设计原则。
为了克服这一现象,本实施例在顺序赋色的基础上增加颜色混合赋色处理。
结合图7所示,算法过程如下:
首先量化浮点型的纹理图像,将纹理图像中每个像素点值量化为0到Imax之间的整数,例如Imax可以取1000。
定义主色个数为N时,主色列表为color(n),即{color(1),color(2)…color(N-1),color(N)}。
主色列表color(n)中每一个主色均包含RGB三通道颜色数据信息,对应的主色在迷彩图案中所占面积比重为p(n),即{p(1),p(2)…p(N-1),p(N)}。
将主色列表color(n)中各个主色从RGB颜色空间转换到Lab空间中,并根据每一个主色的L值排序,排序后的主色列表设为colorL(n),即{colorL(1),colorL(2)…colorL(N-1),colorL(N)},对应的主色在迷彩图案中所占面积比重为pL(n)。
为克服不同赋色斑块区显著分离的缺点,加入颜色混合填充处理,并引入混合因子概念,混合因子取值影响到迷彩图案中不同赋色斑块区的混合情况及斑块区的修饰离散点的数量。混合因子的值越大,则混合效果越明显,修饰点越多。
设混合因子为f,执行颜色混合填充处理,更新赋色列表。
混合因子f一般取值范围为0.05-0.2,例如f=0.1。
在排序后的主色列表colorL(n)中每个主色后增加一个主色colorL(N+1-n),则对应原主色colorL(n)面积比重变为(1-f)×pL(n),增加的主色对应的面积比重为f×pL(N+1-n)。
将混合处理后的主色列表顺序作为纹理图像的赋色顺序。
最后根据主色列表及主色对应的面积比重对纹理图像中的像素点进行赋色:
首先选取主色列表中的第一个主色作为当前赋色值,然后遍历纹理图像的所有像素点,按照像素点取值由大到小的顺序赋予当前赋色值;
像素点被赋值后,即赋予当前主色的像素点的个数增加1,重新计算当前主色的实际赋色的面积比重,当实际赋色的面积比重达到主色对应的预设面积比重时,选取主色列表中的下一主色进行赋色,直到所有图像像素点全部被赋色,即赋色完成。
本发明实施例通过在某一种颜色的赋色区域内部或边缘插入其他颜色斑块,以避免现有方法在对纹理图赋色时出现的多个斑块区重复嵌套的现象。
s4.对初始的迷彩图案图像按单元尺寸进行放大处理
在步骤s3中获得的迷彩图案图像,其基本单元最小单位为1像素。
而在实际应用中,基本单元的边长一般会占到几个或几十个像素,因此需要对赋色后的迷彩图案图像做放大处理,设迷彩图案图像的要求的单元尺寸为M,使用最近邻插值的方法,将迷彩图案图像中的一个像素扩展为M个像素。
s5.将放大处理后的迷彩图案图像转换为迷彩矢量图像
矢量图像具有放大不失真的特点,因此需要将步骤s4获得的迷彩位图转换为迷彩矢量图。由于数码迷彩图像是由基本单元构成,基本单元是由边长为M个像素构成的基本方块,图像中所有斑块区域的边缘都是由直线线段构成的,因此使用直线各斑块区域边缘进行拟合,并设置每个斑块区域的颜色值,按照矢量图的编码格式,生成迷彩图案的矢量图像。
本发明方法通过固化纹理图像生成步骤、优化纹理图案生成算法以及改进赋色算法,可以设计出具有较强随机性、适应性和伪装效果的迷彩图案。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
Claims (2)
1.基于图像分形纹理的数码迷彩图案生成方法,其特征在于,包括如下步骤:
s1.提取背景图像的背景主色以及所述背景主色的面积比例;
s2.基于改进的分形布朗运动生成纹理图像
s2.1将背景图像转换为灰度图像,并根据侦察分辨率调整图像尺寸;
s2.2获取灰度图像的分形布朗运动参数
设灰度图像大小为M×M,f(x,y)是灰度图像在(x,y)位置处的像素值,其中,1≤x≤M、1≤y≤M,则可推导得到灰度图像关于自相关函数平均值的公式:
R(m)=R(1)m2H (1)
公式(1)中:
公式(1)两边取对数,可得:
上述公式(2)采用最小二乘法进行拟合,最小二乘法的求解过程如下:
应用最小二乘法原理,保证实测值与计算值的离差平方和最小,得到分形布朗运动的标度特征H的计算公式:
对上述标准偏差δ进行修正,修正公式如下所示:
s2.3基于Diamond-Square算法生成纹理图像
循环执行Diamond步骤和Square步骤,经过n次循环形成一幅(2n+1)×(2n+1)的图像,定义ΔG为执行Diamond步骤时的随机变量;
则随机变量ΔG的取值中增加由分形布朗运动的标度特征H和修正后的标准偏差δ构成的补偿项,则第n次循环步骤时的随机变量ΔG的计算公式如下:
公式(5)中guass()函数是服从标准正态分布;
s2.4对生成的纹理图像进行滤波处理;
s3.对纹理图像进行赋色处理
基于Diamond-Square算法产生的纹理图像,其数值为连续的浮点型,根据背景主色以及所述背景主色的面积比例对纹理图像做赋色处理,以获取初始的迷彩图案图像;
在顺序赋色的基础上增加颜色混合赋色处理,算法过程如下:
首先量化浮点型的纹理图像,将纹理图像中每个像素点值量化为0到Imax之间的整数;
定义主色个数为N时,主色列表为color(n),即{color(1),color(2)…color(N-1),color(N)};
主色列表color(n)中每一个主色均包含RGB三通道颜色数据信息,对应的主色在迷彩图案中所占面积比重为p(n),即{p(1),p(2)…p(N-1),p(N)};
将主色列表color(n)中各个主色从RGB颜色空间转换到Lab空间中,并根据每一个主色的L值排序,排序后的主色列表设为colorL(n),即{colorL(1),colorL(2)…colorL(N-1),colorL(N)},对应的主色在迷彩图案中所占面积比重为pL(n);
为克服不同赋色斑块区显著分离的缺点,加入颜色混合填充处理,并引入混合因子;
设混合因子为f,执行颜色混合处理,更新赋色列表:
在排序后的主色列表colorL(n)中每个主色后增加一个主色colorL(N+1-n),则对应原主色colorL(n)面积比重变为(1-f)×pL(n),增加的主色对应的面积比重为f×pL(N+1-n);
将混合处理后的主色列表顺序作为纹理图像的赋色顺序;
最后根据主色列表及主色对应的面积比重对纹理图像中的像素点进行赋色:
首先选取主色列表中的第一个主色作为当前赋色值,然后遍历纹理图像的所有像素点,按照像素点取值由大到小的顺序赋予当前赋色值;
像素点被赋值后,即赋予当前主色的像素点的个数增加1,重新计算当前主色的实际赋色的面积比重,当实际赋色的面积比重达到主色对应的预设面积比重时,选取主色列表中的下一主色进行赋色,直到所有图像像素点全部被赋色,即赋色完成;
s4.对初始的迷彩图案图像按单元尺寸进行放大处理;
s5.将放大处理后的迷彩图案图像转换为迷彩矢量图像。
2.根据权利要求1所述的基于图像分形纹理的数码迷彩图案生成方法,其特征在于,所述步骤s1中,基于金字塔结构的逐层K-means聚类算法,提取背景图像的背景主色以及所述背景主色的面积比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810139276.6A CN108510562B (zh) | 2018-02-11 | 2018-02-11 | 基于图像分形纹理的数码迷彩图案生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810139276.6A CN108510562B (zh) | 2018-02-11 | 2018-02-11 | 基于图像分形纹理的数码迷彩图案生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108510562A CN108510562A (zh) | 2018-09-07 |
CN108510562B true CN108510562B (zh) | 2021-10-01 |
Family
ID=63375091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810139276.6A Active CN108510562B (zh) | 2018-02-11 | 2018-02-11 | 基于图像分形纹理的数码迷彩图案生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510562B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360231B (zh) * | 2018-10-25 | 2022-01-07 | 哈尔滨工程大学 | 基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法 |
CN110021054B (zh) * | 2019-04-12 | 2023-07-28 | 青岛九维华盾科技研究院有限公司 | 一种用于斑点迷彩图案设计的斑块赋色方法 |
CN110120080B (zh) * | 2019-04-12 | 2024-01-05 | 青岛九维华盾科技研究院有限公司 | 一种快速生成标准伪装迷彩主色的方法 |
CN112184838B (zh) * | 2020-10-09 | 2022-06-21 | 哈尔滨工程大学 | 一种基于颜色相关度的多背景迷彩图案主色提取方法 |
CN112950733B (zh) * | 2021-03-01 | 2022-10-28 | 哈尔滨工程大学 | 一种适用于地面装备的多地形迷彩图案生成方法 |
CN114708227B (zh) * | 2022-03-31 | 2023-10-27 | 海门喜满庭纺织品有限公司 | 一种基于图像处理的染色扩散剂添加控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07264473A (ja) * | 1994-02-04 | 1995-10-13 | Thomson Broadcast | テクスチャー画像と特殊ビデオ効果を生成する方法及びその装置 |
WO2007117179A1 (fr) * | 2006-04-07 | 2007-10-18 | Juriy Vladimirovich Mikliaev | Procédé pour obtenir une image de haute résolution |
WO2008056673A1 (fr) * | 2006-11-10 | 2008-05-15 | Pola Chem Ind Inc | Procédé pour créer une image de pseudo-peau à dimension fractale, procédé pour examiner la peau à l'aide de l'image de pseudo-peau créée par ledit procédé et procédé de simulation de peau |
CN101996323A (zh) * | 2010-11-09 | 2011-03-30 | 东华大学 | 一种用于表征织物纹理的分形概貌与分形细节混合特征向量提取方法 |
CN102589353A (zh) * | 2012-03-16 | 2012-07-18 | 无锡市星迪仪器有限公司 | 主动式数码迷彩隐形装置 |
CN104145178A (zh) * | 2011-11-28 | 2014-11-12 | 涂层国外知识产权有限公司 | 针对无光泽颜色标准的颜色配方计算方法 |
CN104318570A (zh) * | 2014-10-29 | 2015-01-28 | 沈阳建筑大学 | 一种基于背景的自适应迷彩伪装设计方法 |
CN104463925A (zh) * | 2014-11-20 | 2015-03-25 | 合肥工业大学 | 基于斑点模板自动组合的数码迷彩设计方法 |
CN107392880A (zh) * | 2017-07-25 | 2017-11-24 | 北京华新创科信息技术有限公司 | 一种仿造迷彩自动生成方法 |
-
2018
- 2018-02-11 CN CN201810139276.6A patent/CN108510562B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07264473A (ja) * | 1994-02-04 | 1995-10-13 | Thomson Broadcast | テクスチャー画像と特殊ビデオ効果を生成する方法及びその装置 |
WO2007117179A1 (fr) * | 2006-04-07 | 2007-10-18 | Juriy Vladimirovich Mikliaev | Procédé pour obtenir une image de haute résolution |
WO2008056673A1 (fr) * | 2006-11-10 | 2008-05-15 | Pola Chem Ind Inc | Procédé pour créer une image de pseudo-peau à dimension fractale, procédé pour examiner la peau à l'aide de l'image de pseudo-peau créée par ledit procédé et procédé de simulation de peau |
CN101996323A (zh) * | 2010-11-09 | 2011-03-30 | 东华大学 | 一种用于表征织物纹理的分形概貌与分形细节混合特征向量提取方法 |
CN104145178A (zh) * | 2011-11-28 | 2014-11-12 | 涂层国外知识产权有限公司 | 针对无光泽颜色标准的颜色配方计算方法 |
CN102589353A (zh) * | 2012-03-16 | 2012-07-18 | 无锡市星迪仪器有限公司 | 主动式数码迷彩隐形装置 |
CN104318570A (zh) * | 2014-10-29 | 2015-01-28 | 沈阳建筑大学 | 一种基于背景的自适应迷彩伪装设计方法 |
CN104463925A (zh) * | 2014-11-20 | 2015-03-25 | 合肥工业大学 | 基于斑点模板自动组合的数码迷彩设计方法 |
CN107392880A (zh) * | 2017-07-25 | 2017-11-24 | 北京华新创科信息技术有限公司 | 一种仿造迷彩自动生成方法 |
Non-Patent Citations (5)
Title |
---|
Denoising of natural stochastic colored-textures based on fractional brownian motion model;Ido Zachevsky等;《2015 IEEE International Conference on Image Processing》;20150930;1065-1069 * |
仿造数码迷彩的设计方法;喻钧;《应用科学学报》;20120731;第30卷(第4期);331-334 * |
变色伪装材料研究关键技术;杜新瑜等;《第六届中国功能材料及其应用学术会议论文集(8)》;20071130;168-171 * |
基于分形布朗模型的数码迷彩图案生成方法研究;蔡云骧等;《兵工学报》;20160131;第37卷(第1期);186-192 * |
基于调色板分析及误差扩散抖动的迷彩仿造;江玉珍等;《计算机工程与应用》;20041231;第49卷(第4期);718-722 * |
Also Published As
Publication number | Publication date |
---|---|
CN108510562A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510562B (zh) | 基于图像分形纹理的数码迷彩图案生成方法 | |
US10857736B2 (en) | Three-dimensional object substructures | |
CN108830912A (zh) | 一种深度特征对抗式学习的交互式灰度图像着色方法 | |
CN107358636B (zh) | 一种基于纹理合成的疏松缺陷图像生成方法 | |
US10401834B2 (en) | Generating control data for sub-objects | |
CN107392925A (zh) | 基于超像素编码和卷积神经网络的遥感影像地物分类方法 | |
Machairas et al. | Waterpixels: Superpixels based on the watershed transformation | |
CN105374007A (zh) | 融合骨架笔画和纹理特征的铅笔画生成方法和装置 | |
CN104143186B (zh) | 一种slic超像素分块优化方法 | |
CN104268600B (zh) | 一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法 | |
CN110223376B (zh) | 一种基于单幅堆积颗粒材料图像的三维颗粒重建方法 | |
CN103810729B (zh) | 一种基于等高线的光栅图像矢量化方法 | |
CN111127360B (zh) | 一种基于自动编码器的灰度图像迁移学习方法 | |
US20180001569A1 (en) | Control data for generation of 3d objects | |
CN109345625A (zh) | 岩心图像自适应分区三维重建方法 | |
CN109003287A (zh) | 基于改进遗传算法的图像分割方法 | |
CN115457551A (zh) | 适用于小样本条件的叶片损伤识别方法 | |
CN105913451B (zh) | 一种基于图模型的自然图像超像素分割方法 | |
CN107492082A (zh) | 一种利用边缘统计特征的mrf样本块图像修复方法 | |
CN113256657B (zh) | 一种高效医学图像分割方法及系统、终端、介质 | |
Chen et al. | Image vectorization with real-time thin-plate spline | |
CN114187215A (zh) | 基于图像分割的局部重着色算法 | |
CN111462084B (zh) | 基于随机森林的图像矢量化印刷出血点预测系统和方法 | |
CN111046783A (zh) | 一种改进分水岭算法的斜坡地质灾害边界提取方法 | |
CN113657415B (zh) | 一种面向示意图的对象检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |